CN112382309B 情绪识别模型的训练方法、装置、设备及存储介质 （平安科技（深圳）有限公司）

道福安社区益田路5033号平安金融中述正面情绪音频和所述负面情绪音频进行特征2获取样本音频，所述样本音频中包括正面情绪音频和负面情绪音根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频将所述过滤后的样本音频以及所述新增负面情绪音频作为训练分析所述正面情绪音频的语音特征的正向特征值和所述负面情绪音频的语音特征的基于所述规律曲线确定筛选阈值，并根据所述筛选阈值和所述语其中，所述分析所述正面情绪音频的语音特征的正向特分析所述样本音频中每一个正面情绪音频对于所述语分析所述样本音频中每一个负面情绪音频对于所述语基于同一所述语音特征对应的所述正向特征值的变化趋势以及所述负面特征值的变根据所述样本音频的信号能量值变化对所述样本音频进行端点若所述样本音频中部分包括语音信息，则对所述样本音频将所述第一训练特征输入所述隐藏层，得到与所述第一训练特征对应的第二训练特3基于所述分类结果和所述训练数据中音频的情绪类型对所述预设的神经网络进行迭特征提取模块，用于获取样本音频，所述样本音频中包括正音频过滤模块，用于根据所述语音特征对所述样本音频中的所述数据增强模块，用于对所述样本音频中的负面情绪音频进行数模型训练模块，用于将所述过滤后的样本音频以及所述新增负面所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求14频过滤模块，用于根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频过增负面情绪音频作为训练数据，并将所述训练数据输入至预设的神经网络进行模型训练，5音频共同作为训练数据进行模型训练，进一步提高训练数据中负面情绪音频的数据占比，67值阈值E，而在接下来的连续若干帧内(第N帧至量值阈值E，而在接下来的连续若干帧内(第[0042]S102、根据所述语音特征对所述样本音频中的所述正面[0044]在一实施例中，请参阅图2，对正面情绪音频进行音频过滤的步骤具体包括：S1021、分析所述正面情绪音频的语音特征的正向特征值和所述负面情绪音频的语音特征8的特征值和情绪类别的规律曲线，然后根据多条规律曲线确定每一个语音特征的筛选阈[0060]通过对样本音频中的正面情绪音频进行过滤，以及对负模型训练时，能够解决模型训练过程中的正面情绪音频和负面情绪音频的数据不平衡问通过所述输入层输入预设的神经网络；基于所述特征提取层对所述训练数据进行特征提和所述训练数据中音频的情绪类型对所述预设的神经9[0063]根据分类结果和训练数据中音频的情绪类型来计算预设[0069]音频过滤模块202，用于根据所述语音特征对所述样本音频中的所述正面情绪音[0070]在一实施例中，音频过滤模块202包括曲线构建子模块2021和阈值过滤子模块述筛选阈值和所述语音特征对所述样本音频中的所述正面情绪音频进[0073]模型训练模块204，用于将所述过滤后的样本音频以及所述新增负面情绪音频作[0078]非易失性存储介质可存储操作系统和计算机程序。该计用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列[0086]分析所述正面情绪音频的语音特征的正向特征值和所述负面情绪音频的语音特和输出层；所述处理器在实现所述将所述训练数据输入至预设的神经网络进行模型训练设备的外部存储设备，例如所述计算机设备上配备